Wstęp

W ramach niniejszego projektu przeprowadzona zostanie eksploracyjna analiza danych (EDA) dotycząca sklepu rowerowego. Celem analizy jest zrozumienie charakterystyk nabywców rowerów oraz identyfikacja czynników, które mogą wpływać na decyzję o zakupie roweru. Dostępny zestaw danych obejmuje informacje o 1000 klientach, w tym szczegółowe cechy demograficzne i behawioralne, a także kategoryczną zmienną wyjściową informującą, czy dana osoba dokonała zakupu roweru. Ponieważ dane zawierają brakujące wartości (NA), konieczne będzie ich odpowiednie przetworzenie, co stanowi istotny element procesu analizy danych.

W ramach projektu zostaną wykonane następujące kroki:

  1. Data Cleansing, Wrangling

  2. Wizualizację Danych

  3. Analizę Opisową

  4. Wnioskowanie (testy statystyczne)

  5. Podsumowanie i wnioski końcowe

Opis zmiennych: - ID – unikalny identyfikator nabywcy

Tabela 1: Przykładowe dane klientów sklepu rowerowego
ID Marital Status Gender Income Children Education Occupation Home Owner Cars Commute Distance Region Age Purchased Bike
12496 Married Female 40000 1 Bachelors Skilled Manual Yes 0 0-1 Miles Europe 42 No
24107 Married Male 30000 3 Partial College Clerical Yes 1 0-1 Miles Europe 43 No
14177 Married Male 80000 5 Partial College Professional No 2 2-5 Miles Europe 60 No
24381 Single NA 70000 0 Bachelors Professional Yes 1 5-10 Miles Pacific 41 Yes
25597 Single Male 30000 0 Bachelors Clerical No 0 0-1 Miles Europe 36 Yes
13507 Married Female 10000 2 Partial College Manual Yes 0 1-2 Miles Europe 50 No
27974 Single Male 160000 2 High School Management NA 4 0-1 Miles Pacific 33 Yes
19364 Married Male 40000 1 Bachelors Skilled Manual Yes 0 0-1 Miles Europe 43 Yes
22155 NA Male 20000 2 Partial High School Clerical Yes 2 5-10 Miles Pacific 58 No
19280 Married Male NA 2 Partial College Manual Yes 1 0-1 Miles Europe NA Yes

Czyszczenie danych

Czyszczenie danych to proces usuwania, poprawiania lub imputacji brakujących, błędnych i niezgodnych wartości w zbiorze danych. Jest kluczowe dla zapewnienia jakości analizy, ponieważ błędne lub niepełne dane mogą prowadzić do fałszywych wniosków.

## Ilość brakujących wartości: 53

Interpretacja wykresu:

Podsumowanie brakujących danych

  • Najwięcej braków występuje w kolumnach Education, Occupation, Commute_Distance, Region, Home_Owner, Income, Marital_Status, itp.
  • Niektóre zmienne często występują razem jako brakujące, co sugeruje, że te braki mogą być powiązane (np. jeśli brakuje informacji o dochodzie, może również brakować danych o statusie mieszkaniowym).
  • Występowanie pojedynczych braków – kilka zmiennych ma pojedyncze braki, co można łatwo uzupełnić imputacją.

Analiza brakujących danych w relacji dochód-wiek

Opis wykresu

Wykres przedstawia rozkład danych w relacji między dochodem (oś X) a wiekiem (oś Y), z uwzględnieniem statusu kompletności danych (“Obecne” lub “Brakujące”). Dane zostały podzielone na trzy regiony: - Europa - Ameryka Północna - Pacyfik

Kolor zielony oznacza dane obecne, natomiast kolor pomarańczowy wskazuje na dane brakujące.

Kluczowe obserwacje

  1. Podział na regiony:
    • Dane zostały przedstawione w trzech panelach odpowiadających regionom (Europa, Ameryka Północna, Pacyfik).
    • Każdy region charakteryzuje się różnym rozkładem punktów, co wskazuje na regionalne różnice w relacji dochód-wiek.
  2. Status danych:
    • Dane kompletne (zielony) dominują w całym zbiorze.
    • Dane brakujące (pomarańczowy) występują sporadycznie, jednak są widoczne w określonych przedziałach wiekowych i dochodowych.
  3. Charakterystyka poszczególnych regionów:
    • Europa:
      • Rozkład jest bardziej rozproszony.
      • Dochody są generalnie niższe niż w pozostałych regionach.
      • Brakujące dane występują głównie w niższych przedziałach dochodowych.
    • Ameryka Północna:
      • Dane skoncentrowane w środkowych przedziałach wiekowych (20-60 lat) i dochodowych (50,000-100,000).
      • Liczba brakujących danych jest minimalna.
    • Pacyfik:
      • Dane są rozproszone, podobnie jak w Europie.
      • Braki danych występują w dolnych zakresach dochodów oraz wśród młodszych grup wiekowych.
  4. Rozkład wiekowy i dochodowy:
    • Największa liczba obserwacji znajduje się w grupach wiekowych 30-60 lat oraz dochodowych 50,000-100,000.
    • Brakujące dane są zauważalne w dolnych przedziałach dochodowych i w młodszych grupach wiekowych.

Wnioski

  • Braki danych są niewielkie i raczej nie powinny znacząco wpłynąć na analizę ogólną. Mogą jednak mieć znaczenie w określonych przedziałach (np. niski dochód w Europie i Pacyfiku).
  • Regionalne różnice w rozkładach sugerują konieczność odrębnej analizy dla każdego regionu, aby uwzględnić lokalne specyfiki.

1. Brakujące dane w podziale na poziom wykształcenia W pierwszej analizie dane zostały podzielone według poziomu wykształcenia, a następnie przeanalizowano rozkład brakujących wartości w różnych kategoriach. Wyniki wskazują, że:

Najwięcej brakujących wartości odnotowano w zmiennych Age (Wiek), Children (Dzieci) oraz Cars (Samochody). Szczególnie wysokie braki dotyczą grupy Partial High School oraz Graduate Degree, gdzie niektóre zmienne osiągają poziom braków przekraczający 2,5% obserwacji. Braki w zmiennych takich jak Income (Dochód) oraz Marital Status (Stan cywilny) są bardziej rozproszone, lecz zauważalne w kilku grupach wykształcenia.

2.Brakujące dane w podziale na regiony W drugiej analizie dane zostały podzielone według regionów (Europe, North America, Pacific). Obserwacje wskazują na następujące wnioski:

Najwięcej braków odnotowano w kategorii Income (Dochód) w regionie Pacific, gdzie poziom braków jest najwyższy (powyżej 2,5%). Znaczące luki występują także w kategoriach Gender (Płeć) oraz Cars (Samochody) w Europie, co sugeruje potencjalne błędy w zbieraniu danych w tym regionie.

Braki w pozostałych kategoriach, takich jak Marital Status (Stan cywilny) czy Commute Distance (Dystans dojazdu), są mniej istotne, jednak nadal widoczne w różnych regionach.

  1. Brakujące dane w podziale na płeć Ostatnia analiza dotyczyła rozkładu braków danych w zależności od płci. Wyniki wskazują, że:

Najwięcej brakujących danych dotyczy osób, dla których nie określono płci (NA). Szczególnie duże luki występują w kategoriach Age (Wiek), Children (Dzieci) oraz Cars (Samochody), gdzie brakujące wartości osiągają poziom powyżej 7,5%. W grupach Female i Male braki danych są znacznie mniejsze, ale widoczne są w zmiennych Marital Status oraz Income. Możliwe, że brak określenia płci wiąże się z problemami w rejestracji danych lub ich późniejszym przetwarzaniu, co wymaga dalszej weryfikacji.

  1. Wnioski i rekomendacje Na podstawie powyższej analizy można sformułować następujące wnioski:

Braki danych są szczególnie widoczne w zmiennych związanych z wiekem, dziećmi oraz dochodem, co może wpłynąć na jakość przyszłych analiz i prognoz. Warto zwrócić uwagę na grupę osób bez określonej płci (NA), gdyż w tej kategorii braki są znacznie większe niż w pozostałych grupach.

Region Pacific wyróżnia się pod względem brakujących wartości w dochodach, co może wskazywać na trudności w zbieraniu tych danych w tym obszarze. W dalszych krokach zaleca się weryfikację źródeł brakujących danych oraz ewentualne zastosowanie metod imputacji, aby poprawić kompletność zbioru danych.

## W naszym pliku nie ma już braków danych
##  [1] "ID"               "Marital.Status"   "Gender"           "Income"          
##  [5] "Children"         "Education"        "Occupation"       "Home.Owner"      
##  [9] "Cars"             "Commute.Distance" "Region"           "Age"             
## [13] "Purchased.Bike"
## 
## Data model:
## dat1 : Commute.Distance %in% c('0-1 Miles', '1-2 Miles', '10+ Miles', '2-5 Miles', '5-10 Miles')
## dat2 : Education %in% c('Bachelors', 'Graduate Degree', 'High School', 'Partial College', 'Partial High School')
## dat3 : Gender %in% c('Female', 'Male')
## dat4 : Home.Owner %in% c('No', 'Yes')
## dat5 : Marital.Status %in% c('Married', 'Single')
## dat6 : Occupation %in% c('Clerical', 'Management', 'Manual', 'Professional', 'Skilled Manual')
## dat7 : Purchased.Bike %in% c('No', 'Yes')
## dat8 : Region %in% c('Europe', 'North America', 'Pacific') 
## 
## Edit set:
## num1 : 0 < ID
## num2 : 0 < Income
## num3 : 0 <= Children
## num4 : 0 <= Cars
## num5 : 0 < Age
## num6 : Age <= 120
## NULL
Podsumowanie
Wszystkie reguły zostały spełnione. Brak błędów.

Wykresy

Opis wykresu

Wykres ilustruje zależność pomiędzy odległością od miejsca pracy (oś X, przedstawiona w milach) a liczbą osób, które zdecydowały się na zakup roweru (oś Y).

Kluczowe obserwacje

  1. Najczęstsze zakupy rowerów:
    • Najwięcej osób, które zakupiło rower, mieszkało w odległości 0-1 mili od miejsca pracy.
    • Liczba zakupów spada w grupie osób mieszkających 1-2 mile od pracy.
  2. Nietypowe wzorce w średnich odległościach:
    • W przedziale 2-5 mil liczba zakupów wzrasta w porównaniu do osób mieszkających bliżej pracy (1-2 mile).
    • W przedziale 5-10 mil liczba zakupów rowerów ponownie spada do wartości podobnych jak w grupie 1-2 mile.
  3. Najrzadsze zakupy rowerów:
    • Osoby mieszkające w odległości powyżej 10 mil od miejsca pracy najrzadziej decydują się na zakup roweru.

Wnioski

  • Największy potencjał sprzedaży rowerów istnieje wśród osób pokonujących krótkie odległości do pracy (0-1 mila).
  • Osoby mieszkające 2-5 mil od pracy stanowią interesującą grupę, w której liczba zakupów jest wyższa niż w innych grupach średnich odległości.

Opis wykresu

Wykres przedstawia liczbę zakupów rowerów w podziale na typ zawodu (oś X) oraz płeć klientów. Na osi poziomej (X) uwzględniono kategorie zawodów: Clerical, Management, Manual, Professional, Skilled Manual. Oś pionowa (Y) reprezentuje liczbę osób, które zakupiły rower.
- Różowe słupki: reprezentują kobiety.
- Niebieskie słupki: reprezentują mężczyzn.

Kluczowe obserwacje

  1. Największa liczba zakupów:
    • Najwięcej rowerów zakupiono w grupie zawodów Professional, zarówno wśród kobiet, jak i mężczyzn.
    • W tej grupie mężczyźni wyraźnie dominują liczbowo.
  2. Grupa zawodów z wysokimi kwalifikacjami manualnymi (Skilled Manual):
    • Jest drugą pod względem liczby zakupów.
    • Liczba zakupów rowerów jest tutaj stosunkowo równomiernie rozłożona między kobiety a mężczyzn.
  3. Mniejsze liczby zakupów:
    • W zawodach Clerical (biurowych) odnotowano przewagę kobiet nad mężczyzn.
    • Grupa Manual charakteryzuje się niższymi wartościami zakupów niż grupy “Professional” i “Skilled Manual”.
  4. Najmniej zakupów w grupie “Management”:
    • W tej kategorii liczba zakupów jest najniższa dla obu płci.
    • Może to wynikać z preferencji osób na wyższych stanowiskach do korzystania z samochodów jako środka transportu.

Wnioski

  • Zawody z kategorii Professional oraz Skilled Manual stanowią kluczowe grupy klientów pod względem zakupu rowerów.
  • Niska liczba zakupów w grupie Management może wskazywać na ograniczone zainteresowanie rowerami wśród osób o wyższych dochodach, które preferują inne środki transportu.

###Wnioski Analiza wskazuje, że nie ma znaczącej różnicy w zainteresowaniu zakupem rowerów między kobietami a mężczyznami. Obydwie grupy dokonują zakupu w niemal równych proporcjach. Można z tego wywnioskować, że strategie marketingowe powinny być kierowane w sposób równomierny do obu płci, bez konieczności istotnej personalizacji ze względu na różnice w zainteresowaniu.

2. Analiza zakupu rowerów w zależności od wieku

2.1. Wykres i interpretacja danych

Załączony wykres przedstawia liczbę zakupów rowerów w różnych grupach wiekowych. Najważniejsze obserwacje to:
- Najwięcej zakupów dokonują osoby w przedziale wiekowym 30-50 lat, z wyraźnym szczytem w okolicach 40. roku życia.
- Po 50. roku życia zainteresowanie zakupem rowerów stopniowo maleje.
- Osoby młodsze, poniżej 30. roku życia, kupują rowery w mniejszym stopniu niż grupy średniowieku.
- Po 70. roku życia liczba zakupów jest marginalna.

2.2. Wnioski i rekomendacje

  • Segment klientów w wieku 30-50 lat powinien być główną grupą docelową w kampaniach marketingowych.
  • Warto rozważyć działania promocyjne skierowane do młodszych konsumentów (20-30 lat), np. oferty dla studentów czy kampanie podkreślające korzyści zdrowotne i ekologiczne rowerów.
  • Możliwe jest również wprowadzenie specjalnych modeli dostosowanych do potrzeb osób starszych (np. rowery elektryczne).

3. Analiza zakupu rowerów w zależności od regionu zamieszkania

3.1. Wykres i interpretacja danych

Drugi wykres przedstawia liczbę zakupów rowerów w trzech regionach: Europa, Ameryka Północna i Pacyfik. Główne obserwacje:
- Najwięcej zakupów dokonano w Ameryce Północnej, gdzie liczba ta przekracza 500.
- Europa znajduje się na drugim miejscu, z wynikiem około 300 zakupów.
- Region Pacyfiku wykazuje najniższą liczbę zakupów, wynoszącą około 200.

3.2. Wnioski i rekomendacje

  • Ameryka Północna stanowi kluczowy rynek dla sprzedaży rowerów, dlatego warto skupić na nim główne działania marketingowe.
  • Europa również stanowi istotny rynek, jednak można wprowadzić dodatkowe strategie zwiększające sprzedaż, np. promocje lub rozwój sieci dystrybucyjnej.
  • Region Pacyfiku wykazuje niższe zainteresowanie rowerami, co może wynikać z mniejszej infrastruktury rowerowej lub preferencji transportowych. Warto przeanalizować czynniki wpływające na niższą sprzedaż i dostosować ofertę do lokalnych potrzeb.

4. Podsumowanie

Przeprowadzona analiza pokazuje, że głównymi nabywcami rowerów są osoby w wieku 30-50 lat oraz mieszkańcy Ameryki Północnej. Dla firm zajmujących się sprzedażą rowerów kluczowe będzie dostosowanie działań marketingowych do tych grup docelowych. Jednocześnie istnieje potencjał do zwiększenia sprzedaży wśród młodszych konsumentów oraz na rynkach europejskim i pacyficznym.

Statystyki Opisowe

Podstawowe statystyki opisowe dla danych
Średni_wiek Mediana_wiek Średni_dochód Mediana_dochód Średnia_liczba_dzieci Mediana_liczba_dzieci Średnia_liczba_samochodów Mediana_liczba_samochodów
44.18145 43 56267.61 60000 1.910282 2 1.455096 1

Analiza statystyk opisowych nabywców rowerów

W ramach analizy statystycznej przeprowadzono obliczenia podstawowych miar opisowych dotyczących wieku, dochodu, liczby dzieci oraz liczby posiadanych samochodów wśród klientów sklepu rowerowego.